公开(公告)号：CN117409411A

公开(公告)日：2024-01-16

申请号：CN202311457999.8

申请日：2023-11-04

Applicant: 福州大学

Inventor： 林志贤 ,  卢蓓婕 ,  林珊玲 ,  林立恒 ,  谢宏兴 ,  廖礼钊 ,  林坚普 ,  吕珊红 ,  郭太良

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于半监督学习的TFT‑LCD液晶面板缺陷分割方法及系统，该方法包括如下步骤：步骤1、采集生产流程中TFT‑LCD液晶面板的良品图像和缺陷图像，进行缺陷标注，获得标签信息，形成样本集，并划分为训练集和验证集；步骤2、构建半监督分割网络，所述半监督分割网络包括ViT共享编码器、CNN解码器和MAE正则化支路；对构建的半监督分割网络进行训练，得到训练好的半监督分割网络；步骤3、将待检测图像输入训练好的半监督分割网络中进行缺陷分割，得到对应的分割结果。该方法及系统有利于减轻训练模型所需人工标注的工作量，并提高缺陷分割精度。

公开(公告)号：CN117408985A

公开(公告)日：2024-01-16

申请号：CN202311457990.7

申请日：2023-11-04

Applicant: 福州大学

Inventor： 林志贤 ,  谢宏兴 ,  林珊玲 ,  郭太良 ,  林坚普 ,  吕珊红 ,  林立恒 ,  卢蓓婕 ,  刘予敏

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及一种结合图像和点云的工业异常检测方法及系统，该方法通过高精度的工业传感器获取工业零件的RGB图像和点云数据，再将获得的点云数据转换为深度图，并与RGB图像进行融合得到融合后的图像，然后通过预训练的特征提取模型对融合后的图像提取特征，最后通过预训练的判别模型进行工业零件异常判别。该方法及系统有利于提高异常检测的精度和鲁棒性。

公开(公告)号：CN117522798A

公开(公告)日：2024-02-06

申请号：CN202311457992.6

申请日：2023-11-04

Applicant: 福州大学

Inventor： 林志贤 ,  林立恒 ,  林珊玲 ,  林坚普 ,  吕珊红 ,  郭太良 ,  卢蓓婕 ,  廖礼钊 ,  谢宏兴

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明涉及一种基于梯度重参数化目标检测的金属表面缺陷检测实现方法，包括以下步骤：S1、采集金属表面图像数据，并对图像数据进行缺陷标注；S2、构建用于缺陷检测的目标检测模型，并结合梯度重参数化对目标检测模型进行量化感知训练，并对得到的目标检测模型进行评估，得到最佳模型；S3、对训练好的模型进行子图优化；S4、将优化后的模型部署至嵌入式设备中，用于金属表面缺陷检测。该方法有利于降低计算复杂度，并提高金属表面缺陷检测精度。